Chatbot

Du scénario au dialogue ouvert

Les premiers chatbots suivaient un arbre de décision. On leur posait une question prévue, ils reconnaissaient quelques mots-clés et renvoyaient la réponse associée. Ces systèmes restent utiles pour des demandes stables et peu nombreuses, comme les horaires d'une agence ou l'état d'une commande. Leur faiblesse est connue : dès que la formulation sort du scénario, la conversation se bloque et l'utilisateur doit recommencer. Un modèle de langage change la donne, parce qu'il accepte des formulations variées et reformule sa réponse dans une langue naturelle.

Cette souplesse a un revers. Un chatbot génératif peut répondre avec assurance à une question hors de son périmètre, inventer une procédure ou une tarification. La conception consiste donc moins à écrire des réponses qu'à délimiter un domaine, fournir les documents de référence et prévoir le moment où l'assistant doit passer la main à un humain. Dans une PME antillaise, ce passage compte autant que la réponse : un client qui attend un devis ou une intervention technique préfère une prise en charge humaine rapide à une conversation qui tourne court.

Ce qu'il faut préparer avant d'ouvrir

La qualité d'un chatbot dépend d'abord de la documentation disponible. Conditions générales, fiches produits, procédures internes, réponses aux questions fréquentes : si ces éléments existent en texte propre, l'assistant pourra s'appuyer dessus. S'ils vivent dans la tête de deux personnes et dans des courriels épars, il faut d'abord les écrire, ce qui représente souvent l'essentiel du travail. Le modèle ne remplace pas cette mise à plat, il l'expose au grand jour.

Il faut aussi décider quelles données l'assistant peut voir et conserver. Un chatbot qui répond sur les dossiers clients manipule des informations personnelles et doit respecter les mêmes règles qu'un conseiller au guichet. Journaliser les conversations aide à corriger les réponses, mais suppose une durée de conservation et une information claire des utilisateurs. Un prestataire qui héberge le modèle hors du territoire ajoute une question de transfert de données à trancher avant la mise en ligne.

Mesurer autre chose que le volume

Les tableaux de bord des plateformes affichent volontiers le volume d'échanges et le taux de résolution automatique. Ces chiffres disent peu si l'on ignore ce que devenaient les demandes auparavant. La comparaison utile porte sur un indicateur métier : délai de réponse au client, nombre d'appels transférés au standard, temps passé par un conseiller sur des questions répétitives. Un chatbot qui absorbe les demandes simples libère du temps pour les cas qui demandent vraiment un humain.

La relecture régulière des conversations reste le meilleur contrôle. Elle révèle les questions mal couvertes, les formulations ambiguës et les réponses trop longues. Mieux vaut prévoir cette relecture dans une routine mensuelle, avec une personne responsable, que de découvrir les dérives lors d'une réclamation. Les premiers mois sont les plus instructifs, car les usages réels diffèrent presque toujours de ceux imaginés au départ. Un assistant se maintient comme un site : par petites corrections successives.